정보 검색 및 추론을 위한 튜토리얼: IR과 추론

Tutorial on Reasoning for IR & IR for Reasoning

정보 검색은 오랫동안 의미적 연관성을 기반으로 문서를 순위화하는 데 초점을 맞춰왔습니다. 그러나 많은 실제 정보 요구 사항은 더 많은 것을 요구합니다. 즉, 논리적 제약 조건의 적용, 다단계 추론, 그리고 여러 증거 조각의 종합입니다. 이러한 요구 사항을 해결하는 것은 근본적으로 추론의 문제입니다. AI 커뮤니티 전반에 걸쳐 연구자들은 추론 문제를 해결하기 위한 다양한 솔루션을 개발하고 있습니다. 여기에는 추론 시간 전략 및 LLM의 사후 학습부터 신경-기호 시스템, 베이즈 및 확률 프레임워크, 기하학적 표현 및 에너지 기반 모델이 포함됩니다. 이러한 노력은 동일한 목표를 가지고 있습니다. 즉, 패턴 매칭 시스템을 넘어 구조화되고 검증 가능한 추론으로 나아가는 것입니다. 그러나 이러한 노력은 학문 분야에 흩어져 있어 IR 연구자들이 가장 관련성이 높은 아이디어와 기회를 파악하기 어렵게 만듭니다. 추론 연구의 단편화된 지형을 탐색하기 위해, 이 튜토리얼은 정보 검색의 맥락에서 추론의 작동 정의를 제시하고, 이를 통해 통일된 분석 프레임워크를 도출합니다. 이 프레임워크는 기존 접근 방식을 정의된 추론의 핵심 구성 요소를 반영하는 축을 따라 매핑합니다. 최신 접근 방식에 대한 포괄적인 개요를 제공하고 현재 방법을 정의된 축에 매핑함으로써, 우리는 이러한 접근 방식의 장단점과 상호 보완성을 보여주고, IR이 학제 간 발전으로부터 어떻게 이점을 얻을 수 있는지 강조하며, 검색 프로세스 자체가 더 광범위한 추론 시스템에서 중심적인 역할을 할 수 있는 방법을 설명합니다. 이 튜토리얼은 참가자들에게 추론 기능을 갖춘 IR 시스템을 향상시키기 위한 개념적 프레임워크와 실질적인 지침을 제공할 뿐만 아니라, IR을 추론 방법론의 전반적인 발전에 기여하고 이점을 얻는 분야로 자리매김합니다.

Information retrieval has long focused on ranking documents by semantic relatedness. Yet many real-world information needs demand more: enforcement of logical constraints, multi-step inference, and synthesis of multiple pieces of evidence. Addressing these requirements is, at its core, a problem of reasoning. Across AI communities, researchers are developing diverse solutions for the problem of reasoning, from inference-time strategies and post-training of LLMs, to neuro-symbolic systems, Bayesian and probabilistic frameworks, geometric representations, and energy-based models. These efforts target the same problem: to move beyond pattern-matching systems toward structured, verifiable inference. However, they remain scattered across disciplines, making it difficult for IR researchers to identify the most relevant ideas and opportunities. To help navigate the fragmented landscape of research in reasoning, this tutorial first articulates a working definition of reasoning within the context of information retrieval and derives from it a unified analytical framework. The framework maps existing approaches along axes that reflect the core components of the definition. By providing a comprehensive overview of recent approaches and mapping current methods onto the defined axes, we expose their trade-offs and complementarities, highlight where IR can benefit from cross-disciplinary advances, and illustrate how retrieval process itself can play a central role in broader reasoning systems. The tutorial will equip participants with both a conceptual framework and practical guidance for enhancing reasoning-capable IR systems, while situating IR as a domain that both benefits and contributes to the broader development of reasoning methodologies.